AI模型使用视网膜扫描来预测阿尔茨海默病

旨在解释视网膜图像组合的一种形式能够成功识别已知具有阿尔茨海默病的一组患者，这表明该方法可以根据公爵的跨学科研究用作预测工具作为预测工具大学。

新颖的计算机软件在眼睛内部的图像上看着视网膜结构和血管，这些图像与认知变化相关。

上周出现的发现英国眼科杂志，提供概念的证据，即某些类型视网膜图像的机器学习分析具有潜力，可以提供检测Alzheimer的非侵入性方式疾病在有症状的人中。

“诊断阿尔茨海默病通常依赖于症状和认知测试，”杜克眼中心的Retina专家Rekina专家M.D.Sharon Fekrat。“确认诊断的额外测试是侵入性的，昂贵的，携带一些风险。具有更具可触及的方法来鉴定Alzheimer可以通过许多方式帮助患者，包括提高诊断精度，允许进入疾病课程中的临床试验，并计划为了必要的生活方式调整。“

Fekrat是Duke跨学科团队的一部分，也包括Duke的神经病学部门，电气和计算机工程和生物统计学和生物信息学的专业知识。该团队建立在早期的工作中，它们确定了与认知变化相关的视网膜血管密度的变化。他们发现在阿尔茨海默病患者的患者患者围绕黄斑的中心的毛细管网络密度降低。

使用那个知识，然后训练一个机器学习模型，被称为卷积神经网络（CNN），使用四种类型的视网膜扫描作为输入来教导计算机来辨别图像之间的相关差异。

从159项研究参与者扫描用于建立CNN;123名患者认知健康，已知36名患者具有阿尔茨海默病。

“我们测试了几种不同的方法，但我们的最佳模型与临床患者数据相结合的视网膜图像，”威尔士·埃利斯智慧，M.D.是Duke的综合性眼科医生说。“我们的CNN在独立的测试组中与认知健康参与者的患有症状阿尔茨海默病的患者差异化。”

明智地说，注册更多样化的患者将建立可以预测所有种族群体中的模型，以及诸如青光眼和糖尿病如糖尿病的那些，这也可以改变视网膜和血管结构的那些患者来构建可以预测阿尔茨海默的模型。

“我们相信使用较大的图像的图像额外培训，具有较大的，具有已知的混乱者将提高模型的表现，”共同作者Dilraj S. Grewal，M.D.，Duke视网膜专家。

他表示，额外的研究还将确定AI方法比较诊断阿尔茨海默病的目前的方法，这通常包括昂贵和侵袭性神经影像和脑脊髓液测试。

“阿尔茨海默病与视网膜之间的联系 - 与无侵入性，成本效益和广泛的视网膜成像平台 - 位置多模级视网膜图像分析相结合人工智能作为一个有吸引力的额外工具，或甚至可能是一种替代方案，用于预测阿尔茨海默氏症的诊断，“Fekrat说。

---

---